Wstęp

Raport zawiera omówienie wyników badania PISA w roku 2018. Skupia się na danych z 8 najbardziej zaludnionych krajów Europy, czyli Rosji, Niemiec, Wielkiej Brytanii, Francji, Włoszech, Hiszpanii, Ukrainy i Polski. Wszystkie dane pochodzą ze strony https://www.oecd.org/pisa/data/2018database/#d.en.516012.

Czym jest badanie PISA?

Badanie PISA (ang. Programme for International Student Assessment) to największe badanie umiejętności uczniów na świecie. Jest realizowane co trzy lata we wszystkich krajach członkowskich OECD, a także w kilkudziesięciu innych państwach. Polska uczestniczy w nim od samego początku. Badanie pokazuje poziom i zróżnicowanie umiejętności piętnastolatków, które rozwijane są w trakcie zarówno edukacji szkolnej, jak i poza szkołą. W każdej edycji PISA nacisk położony jest na jedną spośród trzech dziedzin: rozumowanie matematyczne, rozumienie czytanego tekstu lub rozumowanie w naukach przyrodniczych. W 2018 r. w badaniu uczestniczyło 79 krajów i regionów, a liczba przebadanych uczniów przekroczyła 660 tysięcy. Polskę reprezentowało 5653 młodych Polaków z 227 szkół.

Wyniki

Przedstawimy wyniki naszej analizy dla danych z wyżej wymienionych krajów.

Liczba godzin lekcji w tygodniu

Wykresy znajdujące się poniżej przedstawiają rozkład liczby godzin, jakie poświęcają na uczestnictwo w lekcjach uczniowie z poszczególnych państw. Możliwe jest wyświetlenie wykresu skrzynkowego lub skrzypcowego.

pierwszy <- df_stu %>% 
  select(CNT, ST060Q01NA) %>% 
  filter(CNT %in% c("RUS", "DEU", "GBR", "FRA", "ITA", "ESP", "UKR", "POL")) %>% 
  rename(kraj = CNT, ileGodzinwTyg = ST060Q01NA)


pierwszy$kraj <- str_replace_all(pierwszy$kraj,"RUS","Rosja")
pierwszy$kraj <- str_replace_all(pierwszy$kraj,"DEU","Niemcy")
pierwszy$kraj <- str_replace_all(pierwszy$kraj,"GBR","Wielka Brytania")
pierwszy$kraj <- str_replace_all(pierwszy$kraj,"FRA","Francja")
pierwszy$kraj <- str_replace_all(pierwszy$kraj,"ITA","Włochy")
pierwszy$kraj <- str_replace_all(pierwszy$kraj,"ESP","Hiszpania")
pierwszy$kraj <- str_replace_all(pierwszy$kraj,"UKR","Ukraina")
pierwszy$kraj <- str_replace_all(pierwszy$kraj,"POL","Polska")

df <- pierwszy %>% 
  filter(!is.na(ileGodzinwTyg))



plot_ly(
  data = df, 
  x = ~kraj, 
  y = ~ileGodzinwTyg,
  type = "box",
  marker = list(size = 1, line = list(color = 'lightblue', width = 2))
) %>% layout(
  title = "Czas poświęcony na naukę w szkole w tygodniu",
  xaxis = list(title = "Kraj"),
  yaxis = list(title = "Liczba godzin", range = c(0, 85)),
  updatemenus = list(
    list(
      x = 1, y = 1,
      buttons = list(
        list(method = "restyle",
             args = list("type", "box"),
             label = "Boxplot"),
        list(method = "restyle",
             args = list("type", "violin"),
             label = "Violinplot")
      ))
  ))

Rozumowanie matematyczne, czytanie i rozumowanie w naukach przyrodniczych

Kolejny wykres przedstawia średnie wyniki uczniów w poszczególnych dziedzinach, z uwzględnieniem kraju ich pochodzenia.

drugi <- df_stu %>% 
  select(CNT, PV1MATH, PV1READ,PV1SCIE) %>% 
  filter(CNT %in% c("RUS", "DEU", "GBR", "FRA", "ITA", "ESP", "UKR", "POL")) %>% 
  rename(kraj = CNT) %>% 
  group_by(kraj) %>% 
  summarise(mat = median(PV1MATH), czytanie = median(PV1READ), przyroda = median(PV1SCIE))


drugi$kraj <- c("Rosja", "Niemcy", "Wielka Brytania", "Francja", "Włochy", "Hiszpania", "Ukraina", "Polska")

plot_ly(
  data = drugi, 
  x = ~mat, 
  y = ~czytanie, 
  z = ~przyroda,
  color = ~kraj, 
  colors = "Set1",
  type = "scatter3d",
  mode = "markers"
)

Wnioski

Z analizy przedstawionych wykresów wynika, że najwięcej godzin lekcyjnych w tygodniu (wśród wybranych przez nas krajów) mają Polacy, a najmniej Francuzi i Brytyjczycy. Najbardziej skupione wśród jednej wartości są wyniki z Niemiec i Włoszech, a najbardziej rozrzucone z Ukrainy. Z kolei drugi wykres pokazuje, że najlepsze wyniki osiągneli uczniowie z Hiszpanii, a najgorsze z Polski.